量化研究--年化57%全球动量模型策略回测，学习使用

*******0079 · 发表于 2024-11-8 08:44:00

文章声明:本内容为个人的业余研究，和任何单位，机构没有关系，文章出现的股票代码，全部只是测试例子，不做投资参考，投资有风险，代码学习使用，不做商业用途

本文利用全球动量模型策略回测，设置原理，选择几个相关性特别低的标的建立组合

c.trade_code_list=['513100.SH', '513350.SH', '159915.SZ','159937.SZ','511130.SH']
  c.trade_code_name=['纳斯达克ETF', '标普油气ETF', '创业板ETF','黄金ET','30年国债ETF']

利用5日动量收益做为排序因子

交易原理如果股票池最高的，开仓的条件收益大于0就开仓，不然就全部卖出，空仓

调仓的原理，如果最高收益的标的在持股里面就持股，不然就是卖出全部标的，买入收益最高的标的

点击回测开始回测，可以设置回测参数

点击回测按钮

回测的结果

年化57%

源代码全部上传了直接回复20241107下载就可以

数据分析与运用很高兴和志同道合的你们一起学习，本公众号分享金融知识，大家一起相互学习，信息分享如有侵权，或者没有作者的同意，我们将撤回，同时也感谢大家积极的分享，大家的支持。让我们一起加油

364篇原创内容

公众号

更多内容在知识星球

不懂的问我就可以

全部的回测代码，当然我也有实盘的代码

#encoding:gbk
'''
全球动量模型策略回测
作者：小果
'''
import pandas as pd
import numpy as np
import talib
def init(c):
  #账户
  c.account='55011947'
  #账户类型
  c.account_type='STOCK'
  #开始时间
  c.start='20200101 00:00:00'
  #结束时间
  c.end='20500101 00:00:00'
  #测试资金
  c.capital=200000
  #交易股票池
  c.trade_code_list=['513100.SH', '513350.SH', '159915.SZ','159937.SZ','511130.SH']
  c.trade_code_name=['纳斯达克ETF', '标普油气ETF', '创业板ETF','黄金ET','30年国债ETF']
  c.df=pd.DataFrame()
  c.df['证券代码']=c.trade_code_list
  c.df['名称']=c.trade_code_name
  print(c.df)
  #动量因子天数
  c.n=5
  c.start_tarder_return=0
  #老版本的回测需要设定股票池,配合历史数据使用
  c.set_universe(c.trade_code_list)
def handlebar(c):
  #当前K线索引号
  d=c.barpos
  #获取当前K线日期
  today=timetag_to_datetime(c.get_bar_timetag(d),'%Y-%m-%d')
  today_1=''.join(str(today).split('-'))
  '''
  #注意时间格式是20240101
  hist=c.get_market_data_ex(stock_code=c.trade_code_list,period='1d',
  end_time=today_1, count=-1, dividend_type='follow',fill_data=True, subscribe=False)
  print(hist)
  '''
  '''
  get_history_data(len, period, field, dividend_type = 0,skip_paused = True)
  '''
  #
  '''
  默认参数，除复权，默认不复权，可选值包括：
  0：不复权
  1：向前复权
  2：向后复权
  3：等比向前复权
  4：等比向后复权
  '''
  #必须使用前复权
  #hist=c.get_history_data(100,'1d',['open','close','low','high'],1)
  df=c.df
  return_list=[]
  hold_stock=get_position(c,c.account,c.account_type)
  if hold_stock.shape[0]>0:
    hold_stock_list=hold_stock['证券代码'].tolist()
  else:
    hold_stock_list=[]
  for stock,name  in zip(c.trade_code_list,c.trade_code_name):
    try:
      hist=c.get_market_data_ex(
      fields=[], 
      stock_code=[stock], 
      period='1d', 
      start_time=str(c.start)[:8], 
      end_time=today_1, 
      count=-1, 
      fill_data=True, 
      subscribe=True)
      hist=hist[stock]
      close_list=hist['close'].tolist()[-c.n:]
      zdf=((close_list[-1]-close_list[0])/close_list[0])*100
      return_list.append(zdf)
    except:
      pass
      return_list.append(-1)
  df['收益']=return_list
  df['时间']=today_1
  df=df.sort_values(by='收益',ascending=True)
  max_stock=df['证券代码'].tolist()[-1]
  stock=max_stock
  max_name=df['名称'].tolist()[-1]
  max_return=df['收益'].tolist()[-1]
  print('收益最高的标的{} {} 收益{}'.format(max_name,max_stock,max_return))
  if max_return>c.start_tarder_return:
    if max_stock in hold_stock_list:
      print('最高收益标的在{}持股不调仓'.format(stock))
      buy_df=pd.DataFrame()
      sell_df=pd.DataFrame()
    else:
      print('最高收益标的不在{}持股调仓,卖出全部持股,买入最高收益'.format(stock))
      buy_df=pd.DataFrame()
      buy_df['证券代码']=[max_stock]
      buy_df['名称']=[max_stock]
      buy_df['收益']=[max_return]
      sell_df=hold_stock
  else:
    print('收益最高的标的{} {} 收益{}小于0 卖出全部空仓'.format(max_name,max_stock,max_return))
    buy_df=pd.DataFrame()
    sell_df=hold_stock

  if sell_df.shape[0]>0:
    for stock in sell_df['证券代码'].tolist():
      order_target_percent(stock, 0, c, c.account)
      print('{} 卖出标的{}'.format(today_1,stock))
  else:
    print('{} 没有卖出标的'.format(today_1))
  if buy_df.shape[0]>0:
    for stock in buy_df['证券代码'].tolist():
      order_target_percent(stock, 1, c, c.account)
      print('{} 买入收益最高的标的{}'.format(today_1,stock))
  else:
    print('{} 没有买入标的'.format(today_1))

#获取账户总权益m_dBalance
def get_account(c,accountid,datatype):
  '''
  获取账户数据
  '''
  accounts = get_trade_detail_data(accountid, datatype, 'account')
  result={}
  for dt in accounts:
    result['总资产']=dt.m_dBalance
    result['净资产']=dt.m_dAssureAsset
    result['总市值']=dt.m_dInstrumentValue
    result['总负债']=dt.m_dTotalDebit
    result['可用金额']=dt.m_dAvailable
    result['盈亏']=dt.m_dPositionProfit
  return result
#获取持仓信息{code.market:手数}
def get_position(c,accountid,datatype):
  '''
  获取持股数据
  '''
  positions = get_trade_detail_data(accountid,datatype, 'position')
  data=pd.DataFrame()
  if len(positions)>0:
    df=pd.DataFrame()
    for dt in positions:
      df['股票代码']=[dt.m_strInstrumentID]
      df['市场类型']=[dt.m_strExchangeID]
      df['证券代码']=df['股票代码']+'.'+df['市场类型']
      df['证券名称']=[dt.m_strInstrumentName]
      df['持仓量']=[dt.m_nVolume]
      df['可用数量']=[dt.m_nCanUseVolume]
      df['成本价']=[dt.m_dOpenPrice]
      df['市值']=[dt.m_dInstrumentValue]
      df['持仓成本']=[dt.m_dPositionCost]
      df['盈亏']=[dt.m_dPositionProfit]
      data=pd.concat([data,df],ignore_index=True)
  else:
    data=pd.DataFrame()
  return data

c.trade_code_list=['513100.SH', '513350.SH', '159915.SZ','159937.SZ','511130.SH']
  c.trade_code_name=['纳斯达克ETF', '标普油气ETF', '创业板ETF','黄金ET','30年国债ETF']

利用5日动量收益做为排序因子

交易原理如果股票池最高的，开仓的条件收益大于0就开仓，不然就全部卖出，空仓

调仓的原理，如果最高收益的标的在持股里面就持股，不然就是卖出全部标的，买入收益最高的标的

点击回测开始回测，可以设置回测参数

点击回测按钮

回测的结果

年化57%

全部的回测代码，当然我也有实盘的代码

#encoding:gbk
'''
全球动量模型策略回测
作者：小果
'''
import pandas as pd
import numpy as np
import talib
def init(c):
  #账户
  c.account='55011947'
  #账户类型
  c.account_type='STOCK'
  #开始时间
  c.start='20200101 00:00:00'
  #结束时间
  c.end='20500101 00:00:00'
  #测试资金
  c.capital=200000
  #交易股票池
  c.trade_code_list=['513100.SH', '513350.SH', '159915.SZ','159937.SZ','511130.SH']
  c.trade_code_name=['纳斯达克ETF', '标普油气ETF', '创业板ETF','黄金ET','30年国债ETF']
  c.df=pd.DataFrame()
  c.df['证券代码']=c.trade_code_list
  c.df['名称']=c.trade_code_name
  print(c.df)
  #动量因子天数
  c.n=5
  c.start_tarder_return=0
  #老版本的回测需要设定股票池,配合历史数据使用
  c.set_universe(c.trade_code_list)
def handlebar(c):
  #当前K线索引号
  d=c.barpos
  #获取当前K线日期
  today=timetag_to_datetime(c.get_bar_timetag(d),'%Y-%m-%d')
  today_1=''.join(str(today).split('-'))
  '''
  #注意时间格式是20240101
  hist=c.get_market_data_ex(stock_code=c.trade_code_list,period='1d',
  end_time=today_1, count=-1, dividend_type='follow',fill_data=True, subscribe=False)
  print(hist)
  '''
  '''
  get_history_data(len, period, field, dividend_type = 0,skip_paused = True)
  '''
  #
  '''
  默认参数，除复权，默认不复权，可选值包括：
  0：不复权
  1：向前复权
  2：向后复权
  3：等比向前复权
  4：等比向后复权
  '''
  #必须使用前复权
  #hist=c.get_history_data(100,'1d',['open','close','low','high'],1)
  df=c.df
  return_list=[]
  hold_stock=get_position(c,c.account,c.account_type)
  if hold_stock.shape[0]>0:
    hold_stock_list=hold_stock['证券代码'].tolist()
  else:
    hold_stock_list=[]
  for stock,name  in zip(c.trade_code_list,c.trade_code_name):
    try:
      hist=c.get_market_data_ex(
      fields=[], 
      stock_code=[stock], 
      period='1d', 
      start_time=str(c.start)[:8], 
      end_time=today_1, 
      count=-1, 
      fill_data=True, 
      subscribe=True)
      hist=hist[stock]
      close_list=hist['close'].tolist()[-c.n:]
      zdf=((close_list[-1]-close_list[0])/close_list[0])*100
      return_list.append(zdf)
    except:
      pass
      return_list.append(-1)
  df['收益']=return_list
  df['时间']=today_1
  df=df.sort_values(by='收益',ascending=True)
  max_stock=df['证券代码'].tolist()[-1]
  stock=max_stock
  max_name=df['名称'].tolist()[-1]
  max_return=df['收益'].tolist()[-1]
  print('收益最高的标的{} {} 收益{}'.format(max_name,max_stock,max_return))
  if max_return>c.start_tarder_return:
    if max_stock in hold_stock_list:
      print('最高收益标的在{}持股不调仓'.format(stock))
      buy_df=pd.DataFrame()
      sell_df=pd.DataFrame()
    else:
      print('最高收益标的不在{}持股调仓,卖出全部持股,买入最高收益'.format(stock))
      buy_df=pd.DataFrame()
      buy_df['证券代码']=[max_stock]
      buy_df['名称']=[max_stock]
      buy_df['收益']=[max_return]
      sell_df=hold_stock
  else:
    print('收益最高的标的{} {} 收益{}小于0 卖出全部空仓'.format(max_name,max_stock,max_return))
    buy_df=pd.DataFrame()
    sell_df=hold_stock

  if sell_df.shape[0]>0:
    for stock in sell_df['证券代码'].tolist():
      order_target_percent(stock, 0, c, c.account)
      print('{} 卖出标的{}'.format(today_1,stock))
  else:
    print('{} 没有卖出标的'.format(today_1))
  if buy_df.shape[0]>0:
    for stock in buy_df['证券代码'].tolist():
      order_target_percent(stock, 1, c, c.account)
      print('{} 买入收益最高的标的{}'.format(today_1,stock))
  else:
    print('{} 没有买入标的'.format(today_1))

#获取账户总权益m_dBalance
def get_account(c,accountid,datatype):
  '''
  获取账户数据
  '''
  accounts = get_trade_detail_data(accountid, datatype, 'account')
  result={}
  for dt in accounts:
    result['总资产']=dt.m_dBalance
    result['净资产']=dt.m_dAssureAsset
    result['总市值']=dt.m_dInstrumentValue
    result['总负债']=dt.m_dTotalDebit
    result['可用金额']=dt.m_dAvailable
    result['盈亏']=dt.m_dPositionProfit
  return result
#获取持仓信息{code.market:手数}
def get_position(c,accountid,datatype):
  '''
  获取持股数据
  '''
  positions = get_trade_detail_data(accountid,datatype, 'position')
  data=pd.DataFrame()
  if len(positions)>0:
    df=pd.DataFrame()
    for dt in positions:
      df['股票代码']=[dt.m_strInstrumentID]
      df['市场类型']=[dt.m_strExchangeID]
      df['证券代码']=df['股票代码']+'.'+df['市场类型']
      df['证券名称']=[dt.m_strInstrumentName]
      df['持仓量']=[dt.m_nVolume]
      df['可用数量']=[dt.m_nCanUseVolume]
      df['成本价']=[dt.m_dOpenPrice]
      df['市值']=[dt.m_dInstrumentValue]
      df['持仓成本']=[dt.m_dPositionCost]
      df['盈亏']=[dt.m_dPositionProfit]
      data=pd.concat([data,df],ignore_index=True)
  else:
    data=pd.DataFrame()
  return data

[groupid=42]量化交易研究[/groupid]

Arnold.Jin · 发表于 2024-12-4 17:12:51

厉害了

高山流水 · 发表于 2024-12-8 10:59:41

20241107 下载

高山流水 · 发表于 2024-12-8 11:02:46

20241107 下载

嗣天仁 · 发表于 2024-12-10 13:28:13

20241107

*******5188_RszY6 · 发表于 2024-12-23 09:10:21

20241107

*******7923 · 发表于 2025-2-21 10:16:35

20241107

老枪 · 发表于 2025-2-21 20:11:03

20241107

*******2312_DWZol · 发表于 2025-2-23 17:38:11

20241107

*******2685_Y11yh · 发表于 2025-2-23 19:59:08

20241107

量化研究--年化57%全球动量模型策略回测，学习使用

电梯直达
评论23

回复

浏览过的版块

关于我们

服务支持

400-080-8112

量化研究--年化57%全球动量模型策略回测，学习使用

电梯直达 评论23

回复

浏览过的版块

关于我们

服务支持

400-080-8112

电梯直达
评论23